المؤلف: LindaBell
في الجولة السابقة في ازدهار الذكاء الاصطناعي اللامركزي، سرعان ما أصبحت المشاريع البارزة مثل Bittensor وio.net وOlas رائدة في الصناعة بفضل تقنياتها المبتكرة وتصميمها التطلعي. ومع ذلك، مع استمرار ارتفاع تقييمات هذه المشاريع القائمة، فإن عتبة المشاركة للمستثمرين العاديين تزداد أيضًا ارتفاعًا. لذا، في مواجهة الجولة الحالية من التناوب القطاعي، هل هناك أي فرص جديدة للمشاركة؟
Flock عبارة عن شبكة لا مركزية منصة تدريب وتطبيقات نموذجية للذكاء الاصطناعي تجمع بين التعلم الموحد وتقنية blockchain لتزويد المستخدمين ببيئة تدريب وإدارة نموذجية آمنة مع حماية خصوصية البيانات والمشاركة المجتمعية العادلة. ظهرت كلمة Flock لأول مرة للعامة في عام 2022. ونشر الفريق المؤسس لها بشكل مشترك ورقة أكاديمية بعنوان "FLock: الدفاع عن السلوكيات الضارة في التعلم الفيدرالي باستخدام blockchain"، يقترح إدخال blockchain في التعلم الفيدرالي السلوك الخبيث. تشرح هذه الورقة كيفية تعزيز أمان البيانات وحماية الخصوصية أثناء التدريب النموذجي من خلال آلية لا مركزية، وتكشف أيضًا عن إمكانات تطبيق هذه البنية الجديدة في الحوسبة الموزعة.
بعد إثبات أولي للمفهوم،أطلقت Flock شبكة Flock Research اللامركزية متعددة الوكلاء للذكاء الاصطناعي في عام 2023. في Flock Reseach، يكون كل وكيل عبارة عن نموذج لغة كبير (LLM) تم ضبطه لمجال معين، وهو قادر على تزويد المستخدمين برؤى في مجالات مختلفة من خلال التعاون. في وقت لاحق، في منتصف مايو 2024، افتتح Flock رسميًا شبكة الاختبار لمنصة تدريب الذكاء الاصطناعي اللامركزية، ويمكن للمستخدمين المشاركة في التدريب النموذجي والضبط الدقيق باستخدام رمز الاختبار FML، والحصول على المكافآت. اعتبارًا من 30 سبتمبر 2024، تجاوز عدد مهندسي الذكاء الاصطناعي النشطين يوميًا على منصة Flock 300، ووصل العدد التراكمي للنماذج المقدمة إلى أكثر من 15000.
مع استمرار تطور المشروع، جذب Flock أيضًا انتباه سوق رأس المال. في شهر مارس من هذا العام، أكمل Flock جولة تمويل بقيمة 6 ملايين دولار بقيادة Lightspeed Faction وTagus Capital، بمشاركة DCG وOKX Ventures وInception Capital وVolt Capital. والجدير بالذكر أنFlock هو أيضًا مشروع البنية التحتية الوحيد للذكاء الاصطناعي الذي حصل على منحة في جولة المنح الأكاديمية لمؤسسة Ethereum لعام 2024.
التعلم الموحد (التعلم الموحد) هو أسلوب تعلم آلي يتيح تعدد المهام تعمل الكيانات (التي تسمى غالبًا العملاء) معًا لتدريب النموذج مع ضمان تخزين البيانات محليًا. على عكس التعلم الآلي التقليدي، يتجنب التعلم الموحد تحميل جميع البيانات إلى خادم مركزي وبدلاً من ذلك يحمي خصوصية المستخدم من خلال الحسابات المحلية. في الوقت الحاضر، تم تطبيق التعلم الموحد بالفعل في العديد من السيناريوهات العملية، على سبيل المثال، قدمت Google التعلم الموحد في طريقة إدخال Gboard الخاصة بها منذ عام 2017 لتحسين اقتراحات الإدخال والتنبؤات النصية مع ضمان عدم توافق بيانات إدخال المستخدم. تم الرفع. كما طبقت تسلا تقنية مماثلة في نظام القيادة الذاتية الخاص بها لتحسين الوعي البيئي للمركبة بطريقة محلية وتقليل الحاجة إلى نقل بيانات الفيديو على نطاق واسع.
ولكن لا تزال هناك بعض المشكلات في هذه التطبيقات، خاصة فيما يتعلق بالخصوصية والأمان. بادئ ذي بدء، يحتاج المستخدمون إلى الثقة في طرف ثالث مركزي. ثانيًا، أثناء عملية نقل معلمات النموذج وتجميعها، يحتاجون أيضًا إلى منع العقد الضارة من تحميل بيانات خاطئة أو معلمات ضارة، مما يتسبب في انحراف النموذج في الأداء العام أو. حتى إخراج نتائج التنبؤ الخاطئة. وفقًا لبحث نشره فريق FLock في مجلة IEEE ، فإن دقة نموذج التعلم الموحد التقليدي ستنخفض إلى 96.3% عند وجود 10% من العقد الضارة، وعندما ترتفع نسبة العقد الضارة إلى 30% و40%، انخفضت الدقة إلى 80.1% و70.9% على التوالي.
من أجل حل هذه المشكلات، قدم Flock عقودًا ذكية على blockchain باعتبارها "محرك ثقة" في بنية التعلم الموحدة الخاصة به. باعتبارها محرك ثقة، يمكن للعقود الذكية تحقيق جمع المعلمات تلقائيًا والتحقق منها في بيئة لا مركزية، ونشر نتائج النموذج دون تحيز، وبالتالي منع العقد الضارة بشكل فعال من التلاعب بالبيانات. بالمقارنة مع أنظمة التعلم الموحدة التقليدية، لا تزال دقة نموذج FLock أعلى من 95.5% حتى عندما تكون 40% من العقد عبارة عن عقد ضارة.
الذكاء الاصطناعي الحالي تتمثل إحدى نقاط الضعف الرئيسية في هذا المجال في أن الموارد المخصصة للتدريب على نماذج الذكاء الاصطناعي واستخدام البيانات لا تزال مركزة بشكل كبير في أيدي عدد قليل من الشركات الكبيرة، مما يجعل من الصعب على المطورين والمستخدمين العاديين استخدام هذه الموارد بفعالية. ونتيجة لذلك، يقتصر المستخدمون على النماذج القياسية المعدة مسبقًا ولا يمكنهم تخصيصها لتناسب احتياجاتهم. يؤدي عدم التطابق بين العرض والطلب أيضًا إلى حقيقة أنه حتى لو كان السوق يمتلك قوة حاسوبية وافرة واحتياطيات من البيانات، فإنه لا يمكن تحويله إلى نماذج وتطبيقات قابلة للاستخدام فعليًا.
استجابة لهذه المشكلة، يأمل Flock أن يصبح نظام جدولة ينسق بفعالية الطلب والموارد وقدرة الحوسبة والبيانات قوي > . تعتمد Flock على مجموعة تقنيات Web3 لتضع نفسها على أنها "طبقة التنفيذ" لأنها وظيفة أساسية، فهي مسؤولة بشكل أساسي عن تخصيص احتياجات الذكاء الاصطناعي المخصصة للمستخدمين إلى مختلف العقد اللامركزية للتدريب، ومن خلال الذكاء الاصطناعي العقود لجدولة هذه المهام ليتم تشغيلها على العقد حول العالم.
وفي الوقت نفسه، ومن أجل ضمان عدالة وكفاءة النظام البيئي بأكمله، يكون نظام FLock مسؤولًا أيضًا عن "التسوية"
strong> و"الإجماع" . تشير التسوية إلى تحفيز وإدارة مساهمات المشاركين، ومكافأتهم ومعاقبتهم على أساس إكمال المهمة. يعد الإجماع مسؤولاً عن تقييم جودة نتائج التدريب وتحسينها للتأكد من أن النموذج النهائي الذي تم إنشاؤه يمكن أن يمثل الحل الأمثل عالميًا.تتكون البنية الشاملة لمنتج FLock من ثلاث وحدات رئيسية: AI Arena وFL Alliance وAI Marketplace. من بينها، AI Arena هي المسؤولة عن التدريب الأساسي للنموذج اللامركزي، وFL Alliance هي المسؤولة عن ضبط النموذج بموجب آلية العقد الذكي، وAI Marketplace هو سوق تطبيقات النموذج النهائي.
AI Arena هو الحل لـ Flock في منصة تدريب الذكاء الاصطناعي المركزية، يمكن للمستخدمين المشاركة عن طريق التوقيع على FML لرمز Flock testnet والحصول على مكافآت التوقيع المقابلة. بعد أن يحدد المستخدم النموذج المطلوب ويقدم المهمة، ستستخدم عقدة التدريب في AI Arena بنية النموذج الأولية المحددة لتدريب النموذج محليًا، دون الحاجة إلى تحميل البيانات مباشرة إلى خادم مركزي. بعد انتهاء كل عقدة من التدريب، سيكون هناك مدقق مسؤول عن تقييم عمل عقدة التدريب والتحقق من جودة النموذج وتسجيله. إذا كنت لا ترغب في المشاركة في عملية التحقق، يمكنك أيضًا اختيار تفويض الرموز المميزة الخاصة بك إلى جهة التحقق لتلقي المكافآت.
في AI Arena، تعتمد آلية المكافأة لجميع الشخصيات على عاملين أساسيين: عدد التعهدات وجودة المهام. ويمثل عدد التعهدات "التزام" المشاركين، في حين أن جودة المهام تقيس مساهمتهم. على سبيل المثال، تعتمد مكافأة عقدة التدريب على عدد التعهدات وتصنيف جودة النموذج المقدم، بينما تعتمد مكافأة المدقق على اتساق نتائج التصويت مع الإجماع، وعدد الرموز المميزة التي تم التعهد بها، و عدد المشاركات في التحقق وعدد النجاحات. ويعتمد دخل المفوض على المصدق الذي يختاره وعلى مقدار التعهدات.
تدعم AI Arena أوضاع التدريب على نماذج التعلم الآلي التقليدية، ويمكن للمستخدمين اختيار التدريب على أجهزتهم الخاصة باستخدام البيانات المحلية أو البيانات العامة لتحقيق أقصى قدر من أداء النموذج النهائي. في الوقت الحالي، هناك 496 عقدة تدريب نشطة و871 عقدة تحقق و72 مستخدمًا مفوضًا على شبكة الاختبار العامة AI Arena. تبلغ نسبة تعهد المنصة الحالية 97.74%، ومتوسط الدخل الشهري لعقد التدريب 40.57%، ومتوسط الدخل الشهري لعقد التحقق 24.70%.
الأعلى تصنيفًا على الذكاء الاصطناعي Arena سيتم اختيار النموذج باعتباره "نموذج الإجماع" وسيتم تخصيصه لـ FL Alliance لمزيد من الضبط الدقيق. الضبط الدقيق يمر عبر جولات متعددة. في بداية كل جولة، سيقوم النظام تلقائيًا بإنشاء عقد FL ذكي يتعلق بالمهمة، والذي سيدير تنفيذ المهمة والمكافآت تلقائيًا. وبالمثل، يُطلب من كل مشارك أن يتقاسم كمية معينة من رموز FML. يتم تعيين المشاركين بشكل عشوائي كمقترحين أو ناخبين، حيث يستخدم مقدمو المقترحات مجموعات البيانات المحلية الخاصة بهم لتدريب النماذج وتحميل معلمات النموذج المدرب أو الأوزان إلى المشاركين الآخرين. سيقوم الناخبون بتلخيص نتائج تحديث نموذج مقدم الطلب والتصويت لتقييمها. يتم بعد ذلك إرسال جميع النتائج إلى عقد ذكي، والذي يقارن نتيجة كل جولة بنتيجة الجولة السابقة لتقييم التقدم أو الانخفاض في أداء النموذج. إذا تحسنت درجة الأداء، فسيدخل النظام إلى المرحلة التالية من التدريب إذا انخفضت درجة الأداء، وستبدأ جولة أخرى من التدريب والتجميع والتقييم باستخدام النموذج الذي تم التحقق من صحته في الجولة السابقة.
تحقق FL Ailliance هدف تدريب العديد من المشاركين بشكل مشترك على نموذج عالمي مع ضمان سيادة البيانات من خلال الجمع بين آليات التعلم الموحد وآليات العقود الذكية. ومن خلال دمج البيانات المختلفة وتجميع الأوزان، يمكن بناء نموذج عالمي بأداء أفضل وقدرات أقوى. بالإضافة إلى ذلك، يُظهر المشاركون التزامهم بالمشاركة من خلال التعهد بالرموز والحصول على مكافآت بناءً على جودة النموذج والنتائج المتفق عليها، مما يشكل آلية بيئية عادلة وشفافة.
النموذج الذي تم تدريبه بواسطة AI Arena وضبطه بواسطة FL Alliance سيتم نشره في النهاية في AI Marketplace لاستخدامه بواسطة تطبيقات أخرى. يختلف سوق الذكاء الاصطناعي عن "سوق النماذج" التقليدي، ولا يوفر نماذج جاهزة فحسب، بل يسمح أيضًا للمستخدمين بتعديل النماذج بشكل أكبر ودمج مصادر البيانات الجديدة للتعامل مع سيناريوهات التطبيقات المختلفة. بالإضافة إلى ذلك، يدمج AI Marketplace أيضًا تقنية RAG (توليد الاسترجاع المعزز) لتحسين دقة النموذج في مجالات محددة. RAG هي طريقة لتعزيز نماذج اللغات الكبيرة من خلال استرداد المعلومات ذات الصلة من قواعد المعرفة الخارجية عند إنشاء الإجابات، مما يضمن أن تكون استجابات النموذج أكثر دقة وتخصيصًا.
في الوقت الحالي، تم إطلاق العديد من نماذج GPT المخصصة استنادًا إلى سيناريوهات التطبيقات المختلفة في AI Marketplace، بما في ذلك BTC GPT وFarcaster GPT وScroll GPT وEthereum GPT. ، إلخ. يمكننا استخدام BTC GPT كمثال لفهم الفرق بين النماذج المخصصة والنماذج العامة.
في ديسمبر 2023، عند طرح السؤال "ما هو ARC20؟" لكل من BTC GPT وChatGPT:
< ul class =" list-paddingleft-2">إجابة BTC GPT: "بروتوكول ARC20 هو بروتوكول مبني على شبكة Bitcoin، مما يسمح يمكن للمستخدمين إنشاء ونقل وترقية العناصر الرقمية مثل NFTs والرموز القابلة للاستبدال، من خلال بروتوكول ARC20، يمكن إنشاء NFTs غير القابلة للاستبدال والرموز القابلة للاستبدال على شبكة Bitcoin تُستخدم لأغراض مختلفة ضمن البروتوكول"
إجابة ChatGPT: " اعتبارًا من آخر تحديث معرفي في يناير 2022، لم يكن هناك معيار أو تقنية معترف بها على نطاق واسع تسمى ARC20 في مجال التكنولوجيا أو التمويل أو المجالات المشتركة الأخرى، ومن الممكن أن تكون هناك تقنية أو معيار جديد يسمى ARC20 قد ظهر منذ ذلك الحين ولكن ليس لدي معلومات ذات صلة /p>
من خلال إجابات الاثنين يمكننا أن نرى أهمية ومزايا تخصيص نموذج GPT. على عكس نماذج اللغات ذات الأغراض العامة، يمكن تدريب نماذج GPT المخصصة على بيانات خاصة بالمجال لتقديم إجابات أكثر دقة.
مع انتعاش قطاع الذكاء الاصطناعي، زادت رموز Bittensor، أحد ممثلي مشاريع الذكاء الاصطناعي اللامركزية، بأكثر من 93.7% في العالم خلال الثلاثين يومًا الماضية، وكان السعر قريبًا من التاريخ عند أعلى نقطة له، وتجاوزت القيمة السوقية الإجمالية مرة أخرى 4 مليارات دولار أمريكي. من الجدير بالذكر أن مؤسسة DCG الاستثمارية التابعة لشركة Flock هي أيضًا واحدة من أكبر جهات التحقق من الصحة وعمال المناجم في النظام البيئي Bittensor. وفقًا للأشخاص المطلعين على الأمر، تمتلك DCG ما يقرب من 100 مليون دولار أمريكي في TAO، وفي مقال "Business Insider" لعام 2021، أوصى مستثمر DCG ماثيو بيك بشركة Bittensor كواحدة من أكثر 53 شركة ناشئة واعدة في مجال العملات المشفرة. .
على الرغم من أن كلا المشروعين مدعومان من قبل DCG، إلا أن FLock وBittensor لديهما تركيزات مختلفة. فيما يتعلق بالتموضع المحدد، هدف Bittensor هو بناء إنترنت لامركزي يعمل بالذكاء الاصطناعيباستخدام "الشبكة الفرعية" كوحدة أساسية، فإن كل شبكة فرعية تعادل شبكة لا مركزية. في هذا السوق، يمكن للمشاركين الانضمام كوحدة أساسية. "عمال المناجم" أو "المحققون". حاليًا، هناك 49 شبكة فرعية في النظام البيئي Bittensor، تغطي مجالات متعددة مثل تحويل النص إلى كلام، وإنشاء المحتوى، وضبط نماذج اللغة الكبيرة.
لقد كان Bittensor محط اهتمام السوق منذ العام الماضي. فمن ناحية، يرجع ذلك إلى الارتفاع السريع في سعر رمزها، الذي ارتفع من 80 دولارًا أمريكيًا في أكتوبر 2023 إلى أعلى نقطة عند 730 دولارًا أمريكيًا هذا العام. من ناحية أخرى، هناك العديد من الشكوك، بما في ذلك ما إذا كان نموذجها المتمثل في الاعتماد على الحوافز الرمزية لجذب المطورين يمكن أن يكون مستدامًا. بالإضافة إلى ذلك، في نظام Bittensor البيئي، يقترب إجمالي حصة TAO التي تعهدت بها أكبر ثلاث جهات تحقق (مؤسسة Opentensor، وTaostats & Corcel، وFoundry) من 40%، مما تسبب أيضًا في قلق المستخدمين بشأن درجة اللامركزية.
على عكس Bittensor، تلتزم FLock بتزويد المستخدمين بخدمات الذكاء الاصطناعي المخصصة من خلال إدخال blockchain في التعلم الموحد. يصنف Flock نفسه على أنه "Uber في مجال الذكاء الاصطناعي". في هذا النموذج، يعمل Flock باعتباره "نظام جدولة لا مركزي" يطابق احتياجات الذكاء الاصطناعي والمطورين الذين يديرون تخصيص المهام تلقائيًا والتحقق من النتائج وتسوية المكافأة، مما يضمن أن كل مشارك يمكنه المشاركة بشكل عادل في التوزيع بناءً على مساهمته. ولكن على غرار Bittensor، بالإضافة إلى كونه عقدة تدريب ومدققًا، يوفر Flock أيضًا للمستخدمين خيار المشاركة المفوضة.
على وجه التحديد:
عقدة التدريب: شارك في المنافسة التدريبية لمهام الذكاء الاصطناعي عن طريق تخزين الرموز المميزة، وهي مناسبة للمستخدمين ذوي القدرة الحاسوبية وخبرة تطوير الذكاء الاصطناعي.
المدقق: يحتاج أيضًا إلى التعهد بالرموز المميزة للمشاركة في الشبكة، وهو المسؤول عن التحقق من جودة النموذج من القائمين بالتعدين، والتأثير على توزيع المكافآت من خلال تقديم درجات التحقق.
Delegator: تفويض الرموز المميزة إلى عمال المناجم وعقد التحقق من الصحة لتحسين أداء العقدة في المهام الوزن في التوزيع، مع مشاركة دخل المكافأة للعقدة المفوضة. وبهذه الطريقة، حتى المستخدمين الذين ليس لديهم القدرة التقنية على التدريب أو التحقق من صحة المهام يمكنهم المشاركة في الشبكة وكسب الإيرادات.
يفتح FLock.io الآن رسميًا وظيفة مشاركة العميل، ويمكن لأي مستخدم الحصول على الدخل عن طريق تخزين رموز FML، ويمكنك الاختيار العقدة المثالية بناءً على معدل العائد السنوي المتوقع لتعظيم دخل الرهن العقاري الخاص بك. وقال فلوك أيضًا إن عملية التوقيع المساحي والعمليات ذات الصلة خلال مرحلة شبكة الاختبار ستؤثر على مكافآت الإسقاط الجوي المحتملة بعد اتصال الشبكة الرئيسية بالإنترنت في المستقبل.
في المستقبل، تخطط FLock أيضًا لإطلاق آلية أكثر سهولة لبدء المهام، حتى يتمكن المستخدمون الفرديون الذين ليس لديهم خبرة في الذكاء الاصطناعي من المشاركة بسهولة في إنشاء نماذج الذكاء الاصطناعي وتدريبها، مدركين أنه "يمكن للجميع المشاركة" رؤية الذكاء الاصطناعي. في الوقت نفسه، تتعاون Flock أيضًا بنشاط في جوانب مختلفة، مثل التعاون مع Request Finance لتطوير نماذج تسجيل الائتمان على السلسلة، والتعاون مع Morpheus وRitual لبناء نماذج روبوت التداول، وتوفير نشر قوالب عقدة التدريب بنقرة واحدة. حتى يتمكن المطورون من بدء وتشغيل التدريب النموذجي على Akash بسهولة. بالإضافة إلى ذلك، قام Flock بتدريب مطوري الخدمات على مساعد البرمجة اللغوية Move لـ Aptos.
بشكل عام، على الرغم من الاختلافات في وضع السوق بين Bittensor وFlock، يحاول كلاهما إعادة تعريف الذكاء الاصطناعي من خلال بنيات تقنية لامركزية مختلفة الهدف من النظام البيئي هو كسر احتكار العمالقة المركزيين لموارد الذكاء الاصطناعي وبناء نظام بيئي أكثر انفتاحًا وعدالة للذكاء الاصطناعي، وهو ما يحتاجه السوق الحالي بشكل عاجل.
تم القبض على مواطن سنغافوري يبلغ من العمر 32 عامًا في تايلاند بسبب دوره في عملية احتيال بالعملة المشفرة والتي احتالت على المستثمرين بمبلغ 22.4 مليون بات. تضمنت عملية الاحتيال منصة تداول وهمية خدعت الضحايا لتحويل الأموال إلى حسابات احتيالية تسيطر عليها شبكة إجرامية.
Anaisأغلقت منصة WeChat الصينية 209 حسابات متورطة في استخدام الذكاء الاصطناعي لانتحال شخصيات المشاهير لأغراض التسويق الاحتيالي، وذلك بعد تقارير متعددة من المستخدمين. كما أزالت المنصة 532 قطعة من المحتوى الخادع وتعهدت بتعزيز التدابير ضد عمليات الاحتيال التي تعتمد على الذكاء الاصطناعي.
Joyوبعد أن هددها شركاؤها بقطع أصابع صديقها، وإجباره على تحويل 40 ألف دولار بعملة البيتكوين، أقرت المرأة بالذنب. ومع ذلك، أصدرت المحكمة أمراً بإصلاح المجتمع لمدة 30 شهراً فقط، مشيرة إلى "ظروف استثنائية". فهل كان التحيز الجنسي عاملاً في هذا الحكم المخفف؟
Catherineتعرف على أهم 7 عوامل تؤثر على سعر العملة المشفرة Bitcoin وكيفية فهمها لمساعدتك على تقديم تنبؤات أفضل لسعر BTC.
Alexألقت هيئة مكافحة الجرائم الاقتصادية والمالية النيجيرية القبض على 792 مشتبهًا في لاجوس، وفككت عصابة جرائم إلكترونية تعمل انطلاقًا من مبنى Big Leaf، والذي كان يستخدم في عمليات الاحتيال الرومانسية ومخططات العملات المشفرة الاحتيالية. وقد تبين أن المشتبه بهم، بما في ذلك مواطنون أجانب، يستخدمون معدات عالية التقنية لخداع الضحايا في جميع أنحاء العالم، وخاصة في الولايات المتحدة وكندا وأوروبا.
Joyارتفعت قيمة Travala (AVA) بنسبة 300% بعد أن كشفت CZ عن الاستثمار المبكر من Binance وإيرادات المنصة السنوية البالغة 100 مليون دولار. ومع ذلك، مع انخفاض سعر AVA بنحو 15%، هل يمكن أن تعود Travala وتقدم معجزة عطلة؟
Catherineتلقت CyberKongz مؤخرًا إشعارًا من هيئة الأوراق المالية والبورصات بشأن NFTs ورموز ERC-20. كانت المجموعة تنتقد موقف الإدارة الحالية بشأن العملات المشفرة وتركز الآن على الدعوة إلى لوائح أكثر وضوحًا وشفافية في مجال NFT.
Catherineأصدرت هيئة الأوراق المالية والبورصات الأمريكية إشعارات ويلز لكل من يوني كوين وسايبركونج، متهمة إياهما بالاحتيال وانتهاكات الأوراق المالية غير المسجلة. وتخطط يوني كوين لمحاربة الاتهامات، في حين تنكر سايبركونج ادعاءات هيئة الأوراق المالية والبورصات الأمريكية، وتصفها بأنها سوء فهم لتكنولوجيا البلوك تشين.
Anaisأوقفت Lido عمليات التخزين الجديدة على Polygon، ولكن يمكن للمستخدمين سحب MATIC المودعة حتى 16 يونيو 2025. وتأتي هذه الخطوة بعد انخفاض معدل التبني والتركيز الاستراتيجي لـ Lido على Ethereum.
Kikyoيستهدف المحتالون مستثمري العملات المشفرة من خلال منصات التواصل الاجتماعي مثل YouTube وWhatsApp وTelegram، حيث يقدمون نصائح تداول مزيفة ومخططات استثمارية احتيالية. كما يجذبون الضحايا بمنصات مزيفة وتأييدات المشاهير والتفاعلات المزيفة، مما يؤدي إلى خسائر مالية كبيرة.
Weatherly